【雷达目标识别特征提取研究的文献综述3900字】

目标的识别特征提取一直是一个完整的雷达地面目标识别过程中最重要的(1)基于信号处理的雷达目标识别特征提取：基于信号处理的雷达数据特几何结构等信息14来进行目标识别。针对目标散射中心提出了一系列的模型来射中心的表示和对应特征的提取[15。最先被研究人员提出的是基于雷达成像相关理论的基于几何绕射理论的目标散射中心模型[16,该模型包含了目标的强散雷达目标的几何特征与极化特征与目标的形态特性的基本鉴别18]。除此之外，也可以通过利用雷达目标的主轴信息和主导边界信目标的极化信息可以通过对瞬态极化响应概念的推导来得到极化特征与目标散射中心包含的目标几何特性的相关性[211,并利用目标的极化信息进行雷达目标针对雷达目标散射中心也可以通过估计统计特征和得到变换域特征来实现权成像的方式实现距离像加权1251,可以更好地描述了雷达目标散射特性，平均数、目标尺寸等有明确物理意义的特征27可以从HRRP中提取后，并以此实现可用来推断目标形状及表面电磁参数等信息并实现目标特征辨识和推断I³0]。目标特性分析，并且几种频域特征的性能也存在一定的差异，而双谱特征32对雷达噪声的抑制性可以被用于相应的基于HRRP的双谱特征提取方法中。然法、最小近邻法和马氏距离法等都属于监督学习。20世纪80年代末期，反向使得由训练数据训练得到的固定参数的网络模型学习到样本中包含的统计规律测试集上对特征性能进行验证并对其他样本进行识别或预测。20世纪90年代，数据特征的表征性能更佳。2006年，GeoffreyHinton研究团队发表的论文35开的方式37138,也可以实现浅层机器学习模型性能的提升。综上所述，基于机器(3)基于降维的特征提取方法：该类方法通过降维实现特征提取，或通过空间变换得到高维数据的子空间映射来获取投影特征。如SVD方法将HRRP数据的信号子空间与噪声子空间实现有效的分离；PCA算法可以通过构建最小重构误差准则来保留主要维度特征；LDA算法能够融合全局和局部优化准则来通针对本文十分关注的HRRP敏感于目标数据角度的变化，学者们也提出了或者在引入核函数的基础上用线性组合的方式[42进一步提升了核扩展的非线性[1]SkolnikMI.RadarHandbook[M].ThirdEdition.McG[2]WuH,DaiD,XWang.ANovelAcceleratedT-DistributedStochasClustering[J].Sensors(Basel,Switzerla[3]WangJ,LiuZ,RRadarTargetRecognitionviam-xDecompositionandDiscriminantCorrelationAnalysis[J].IEEESens20(8):4321-4332.[4]张军，占荣辉，欧建平，何松华.现代制导雷达离散时间信号处理[M].长沙：国防科技大学出版社，2010:30-35.[5]PanM,JieJ,KongQSegmentationandDiscriminantDeepBeliefRemoteSensingLetters,20[6]李彬，李辉.基于混合概率主成分分析的HRRP特征提取[J].系统工程与电子技[7]ZhaoIF,LiuY,HuoKAutoencoderandExtremeLearningMachine[JCenterLossforRadarTargetHRRPRecognition[J].JournaloConferenceSeries,2020,1651(1):012153.[9]邓盛.基于自动编码器的高分辨雷达目标识别研究[D].西安电子科技大学学[10]杨倩文.正则化自动编码器及其遥感图像应用[D].清华大学学位论文，2017:WithCS-BasedHRRPReconstruction[J].IEEESenso[12]YuSH,XieYJ.ApplicationofaConvolutionalAutoencodertoHalfSpaceRadarHrrpRecognition[C].InternationalConferenceonWaveletAnalysisandPattRecognition(ICWAPR),2018.[13]李龙.基于高分辨距离像的雷达地面目标识别技术[D].西安电子科技大学学HRRP-BasedRadarTargetRecognitionviam-xSparsity-PreservingDiscr2020,20(8):4321-4332.报，2018,30(02):443-451.RadarScattering[J].I43(10):1058-1067.[17]L.C.Potter,R.L.Moses.AttributedScatte[18]NovakLM,Halversen2008,24(3):438-443.[20]刘生，王潇宇，邱新法.基于数学形态学的高空间分辨率遥感影像几何特征41(3):261-268.[22]ChamberlainNE,WaltonEK,GarberFD.RadarTUsingPolarization-diverseFeatures[J].IEEET